1 Star 0 Fork 0

112231/compare_file

加入 Gitee
与超过 1200万 开发者一起发现、参与优秀开源项目,私有仓库也完全免费 :)
免费加入
该仓库未声明开源许可证文件(LICENSE),使用请关注具体项目描述及其代码上游依赖。
克隆/下载
clean_html.py 390 Bytes
一键复制 编辑 原始数据 按行查看 历史
112231 提交于 2016-08-11 11:07 . 提交代码
# -*-coding:utf-8 -*-
# from readability import Document
from goose import Goose
from goose.text import StopWordsChinese
def clean_html(url):
g = Goose({'browser_user_agent': 'Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 6.0) ', 'stopwords_class': StopWordsChinese}) #核心要有这句
article = g.extract(url=url)
content = article.cleaned_text[:2000]
return content
马建仓 AI 助手
尝试更多
代码解读
代码找茬
代码优化
Python
1
https://gitee.com/abc112231/compare_file.git
git@gitee.com:abc112231/compare_file.git
abc112231
compare_file
compare_file
master

搜索帮助